Co to jest termin błędu?
W statystykach błąd jest sumą odchyleń każdej faktycznej obserwacji od linii regresji modelu. Analiza regresji służy do ustalenia stopnia korelacji między dwiema zmiennymi, jedną niezależną i jedną zależną, w wyniku czego powstaje linia, która najlepiej „pasuje” do rzeczywiście zaobserwowanych wartości wartości zależnej w stosunku do zmiennej niezależnej lub zmiennych. Innymi słowy, termin błędu jest terminem w równaniu regresji modelu, który jest zgodny i wyjaśnia niewyjaśnioną różnicę między faktycznie zaobserwowanymi wartościami zmiennej niezależnej a wynikami przewidywanymi przez model. Dlatego też błąd jest miarą tego, jak dokładnie model regresji odzwierciedla rzeczywistą zależność między zmienną lub zmiennymi niezależnymi i zależnymi. Termin błędu może wskazywać, że model można ulepszyć, na przykład poprzez dodanie innej niezależnej zmiennej, która wyjaśnia część lub całość różnicy, lub losowość, co oznacza, że zależna i niezależna zmienna lub zmienne nie są w większym stopniu skorelowane .
Znany również jako termin rezydualny lub termin zakłócający, zgodnie z konwencją matematyczną, termin błędu jest ostatnim terminem w równaniu regresji modelowej i jest reprezentowany przez grecką literę epsilon (ε). Ekonomiści i specjaliści z branży finansowej regularnie korzystają z modeli regresji lub przynajmniej ich wyników, aby lepiej zrozumieć i prognozować szeroki zakres relacji, takich jak zmiany podaży pieniądza związane z inflacją, jak ceny giełdowe są powiązane z bezrobociem stawki lub jak zmiany cen towarów wpływają na określone firmy w sektorze gospodarki. Dlatego też błąd jest ważną zmienną, o której należy pamiętać i mierzyć, ponieważ mierzy stopień, w jakim dany model nie odzwierciedla ani nie uwzględnia rzeczywistej relacji między zmiennymi zależnymi i niezależnymi.
Istnieją dwa typy terminów błędu powszechnie stosowane w analizie regresji: błąd bezwzględny i błąd względny. Błąd bezwzględny to zdefiniowany wcześniej błąd, różnica między faktycznie obserwowanymi wartościami zmiennej niezależnej a wynikami przewidywanymi przez model. Wynikający z tego błąd względny jest definiowany jako błąd bezwzględny podzielony przez dokładną wartość przewidywaną przez model. Wyrażony w procentach błąd względny jest znany jako błąd procentowy, co jest pomocne, ponieważ umieszcza termin błędu w lepszej perspektywie. Na przykład warunek błędu 1, gdy przewidywana wartość wynosi 10, jest znacznie gorszy niż warunek błędu 1, gdy przewidywana wartość wynosi 1 milion podczas próby opracowania modelu regresji, który pokazuje, jak dobrze korelowane są dwie lub więcej zmiennych.